Jag har ju kanske varit lite AI-skeptiker i många avseenden här på prehospitalt (även om jag använder AI en del i vardagen och även driver mycket av funktionaliteten när jag lägger ut inlägg här med AI för att göra det tidseffektivt). Iallafall, idag kommer ändå en studie på maskinlärande och hur detta kan användas för triage och/eller förutsägande av kortsiktiga negativa outcomes (mortalitet eller intensivvårdsbehov) hos prehospitala patienter. Författarna triagerade patienter med tre olika triagesystem (Manchester Triage System, Emergency Severity Index och Turkish Ministry of Health Triage System) och jämförde med den prediktiva kapaciteten hos olika maskininlärningsmodeller baserade på Random Forest, Gradient Boosting Machine och CatBoost. Det senare är kanske grekiska, men det intressanta är att maskininlärningsmodellerna uppvisade bra prestanda med AUROC >0.8. Det gick inte att påvisa att maskininlärningen var signifikant bättre än den manuella triagens förmåga att identifiera negativ outcome, men inte heller sämre. Författarna argumenterar alltså för att maskininlärningsmodeller kan utgöra ett gott tillskott som ”second opinion” till vanlig triage. Detta är något jag själv definitivt tror på som framtiden, att integrera AI i våra ambulansjournalsystem för att föreslå tänkbara differentialdiagnoser och minska risken att något i patientens tillstånd förbises exempelvis i triage. Beslutet på klinikern, men med stöd av AI. Tekniken finns ju, så det är nästan förvånande att det inte redan är här!?